步态能量图生成主要有两步，主要为：
在原始轮廓图上对人的轮廓进行裁剪，在下面制作步态能量图图片叠加以什么为中心位置也是一个问题。一般有两种方式，一种是中心位置为人体宽的一半。另一种是以头顶为中心位置。如：下图为原始图像与裁剪后的图像
为人体宽一般为中心位置
以头顶为中心位置
对裁剪后图像合成，一个步态周期的图像合成一个步态能量图，步态周期如何判断，网上有一些方法，这里直接是手动指定的。如下图为一个步态周期
以身宽一般为中心合成的步态能量图为：
以头顶为中心合成步态能量图为：
可以看出以头顶为中心效果比较好
代码如下裁剪轮廓，存放到与原文件夹相同格式的文件目录中，在通过裁剪的图生成GEI
以CISIA-B数据集为例，原文件目录格式为
生成的剪切图
生成的一张步态能量图
这里以一个整个步态序列作为周期
import os
from PIL import Image
import numpy as np
import matplotlib.pyplot as pltdef cut_image(path,cut_path,size):'''剪切图片:param path: 输入图片路径:param cut_path: 剪切图片后的输出路径:param size: 要剪切的图片大小:return:'''for (root,dirs,files) in os.walk(path):temp = root.replace(path,cut_path)if not os.path.exists(temp):os.makedirs(temp)for file in files:image,flag = cut(Image.open(os.path.join(root,file)))if not flag: Image.fromarray(image).convert('L').resize((size,size)).save(os.path.join(temp,file))passdef cut(image):'''通过找到人的最小最大高度与宽度把人的轮廓分割出来，、因为原始轮廓图为二值图，因此头顶为将二值图像列相加后，形成一列后第一个像素值不为0的索引。同理脚底为形成一列后最后一个像素值不为0的索引。人的宽度也同理。:param image: 需要裁剪的图片 N*M的矩阵:return: temp:裁剪后的图片 size*size的矩阵。flag：是否是符合要求的图片'''image = np.array(image)# 找到人的最小最大高度与宽度height_min = (image.sum(axis=1)!=0).argmax()height_max = ((image.sum(axis=1)!=0).cumsum()).argmax()width_min = (image.sum(axis=0)!=0).argmax()width_max = ((image.sum(axis=0)!=0).cumsum()).argmax()head_top = image[height_min,:].argmax()# 设置切割后图片的大小，为size*size，因为人的高一般都会大于宽size=height_max-height_mintemp = np.zeros((size,size))# 将width_max-width_min（宽）乘height_max-height_min（高，szie）的人的轮廓图，放在size*size的图片中央# l = (width_max-width_min)//2# r = width_max-width_min-l# 以头为中心，将将width_max-width_min（宽）乘height_max-height_min（高，szie）的人的轮廓图，放在size*size的图片中央l1 = head_top-width_minr1 = width_max-head_top# 若宽大于高，或头的左侧或右侧身子比要生成图片的一般要大。则此图片为不符合要求的图片flag = Falseif size<=width_max-width_min or size//2<r1 or size//2<l1:flag = Truereturn temp,flag# centroid = np.array([(width_max+width_min)/2,(height_max+height_min)/2],dtype='int')temp[:,(size//2-l1):(size//2+r1)] = image[height_min:height_max,width_min:width_max ]return temp,flagdef GEI(cut_path,data_path,size):'''生成步态能量图:param cut_path: 剪切后的图片路径:param data_path: 生成图片的路径:param size: 生成能量图大小:return:'''for (root,dirs,files) in os.walk(cut_path):temp = root.replace(cut_path,data_path)if not os.path.exists(temp):os.makedirs(temp)GEI = np.zeros([size,size])if len(files)!=0:for file in files:GEI += Image.open(os.path.join(root,file)).convert('L')GEI /= len(files)Image.fromarray(GEI).convert('L').resize((size,size)).save(os.path.join(temp,'1.png'))passif __name__=='__main_':cut_image("C:\\Users\\China\\Desktop\\GaitDatas","C:\\Users\\China\\Desktop\\CutImage",126)GEI("C:\\Users\\China\\Desktop\\CutImage","C:\\Users\\China\\Desktop\\GEIData",126)